ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO

Tamanho: px
Começar a partir da página:

Download "ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO"

Transcrição

1 A esqusa Oeracoa e os Recursos Reováves 4 a 7 de ovemro de 23, Nata-RN ANÁLISE BAYESIANA DA TAA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO Fávo B. Goçaves, Rosagea H. Losch e Frederco R. B. da Cruz Deartameto de Estatístca ICEx - Uversdade Federa de Mas Geras Av. Presdete Atôo Caros, 6627, Camus Pamuha, Beo Horzote, Mas Geras, CEP: 327- Ema: amrra@ma.com, { osch, fcruz }@est.ufmg.r Resumo: Neste traaho acaremos o Modeo Partção Produto (MPP ara aasar dados de crmes voetos a cdade de Beo Horzote o eríodo comreeddo etre aero de 998 e setemro de 2. Nosso oetvo é estudar o comortameto, ao ogo do temo, das taxas de crmadade em três regões da cdade - a regão cetra, uma regão comerca róxma do cetro (Sato Agostho, Barro Preto e uma regão afastada do cetro de casse méda-ata (Magaeras, Cruzero, etc.- e comará-as. Aém da taxa de crmadade em cada mês, tamém exremos as dstruções a osteror do úmero de mudaças esta taxa, dos states ode as mudaças ocorreram e da roadade de ocorrer uma mudaça em um state quaquer. Paavras Chaves: amostrador de Gs, dstrução de Posso, dstrução Gama. Astract: The am of ths aer s to ay the roduct artto mode to ota the roduct estmates of the rate of voet crmes three eghourhoods of Beo Horzote cty - the dowtow, a commerca area ear dowtow (Sato Agostho, Barro Preto ad a rch area far from the cetra eghourhood (Magaeras, Cruzero, etc.. Besdes the crmaty rate each moth, we w rovde the osteror dstruto of the umer of chages ths rate, the osteror dstruto of the stats whch the chages occurred ad the osteror dstruto of the roaty that a chage occurs at ay stat the sequece. A comaratve aayss of the three areas w e reseted. Keywords: Gamma dstruto, Gs samg, Posso dstruto.. Itrodução Neste traaho acaremos o Modeo Partção Produto (MPP ara aasar agumas séres formadas eo úmero de crmes voetos regstrados mês a mês em agus arros de Beo Horzote-MG. Nosso oetvo rca é avaar se a taxa de crmadade estas regões sofreram mudaças ao ogo do temo. Aém da estmatva ara a taxa de crmadade em cada mês, tamém exremos as dstruções a osteror do úmero de mudaças esta taxa, dos states ode as mudaças ocorreram e da roadade de ocorrer uma mudaça em um state quaquer.

2 O MPP troduz mas fexdade a aáse do roema de otos de mudaça or cosderar como aeatóro o úmero de otos de mudaça a sére. Aesar dsto as dstruções a osteror são fortemete fuecadas eas dstruções a ror (Losch e Cruz, 22. Outras referêcas sore aáse de otos de mudaça usado o MPP são Barry e Hartga (993, Crowey (997, Qutaa e Igesas (23, Losch, Cruz, Igesas e Areao Vae (23 etre outras. Este artgo está assm orgazado: Na Seção 2 aresetamos o MPP assumdo as coesões de Yao (984; a Seção 3 aresetamos o MPP ara dados que dadas as taxas, são dstruídos segudo uma dstrução de Posso; a Seção 4 descrevemos agus métodos comutacoas roostos a teratura ara estmar as dstruções a osteror evovdas o MPP. Famete, a Seção 5 aresetamos uma aáse comaratva das séres de crmes voetos ara a regão cetra, uma regão comerca róxma do cetro (Sato Agostho, Barro Preto e uma regão afastada do cetro de casse méda-ata (Magaeras, Cruzero, etc. da cdade de Beo Horzote MG o eríodo de aero de 998 a setemro de Modeo Partção Produto ara Coesões de Yao Sea,..., uma seqüêca de dados seqüecamete oservados e cosdere o couto de ídces I{,..., }. Cosdere uma artção aeatóra ρ {,..., } do couto de ídce I ta que,,<.<...<, e uma varáve aeatóra B que deota o úmero de ocos em ρ. Cosdere que cada artção dvde a seqüêca,..., em B suseqüêcas ' cotíguas, as quas serão deotadas aqu or [ ] ( +,...,. Sea C a coesão a ror assocada com o oco [ ] {+,..., }, ara, I { },e >, que rereseta o grau de smardade etre as oservações em [] e ode ser terretada aqu como a roadades de trasção a cadea de Markov defda or otos de mudaça (( Barry e Hartga, 992. Cosdere, ara, a roadade de que uma mudaça ocorra em um state quaquer. A coesão a ror ara o oco [ ] roosta or Yao (984 e dada or: C ( ( ; ; < [2.] ara todo, I, <. Essas coesões a ror mcam que a seqüêca de otos de mudaça estaeece um rocesso de reovação, com temos de ocorrêca dêtca e geometrcamete dstruídos. Sea θ,...,θ uma seqüêca de arâmetros descohecdos, de forma que codcoamete em θ,...,θ a seqüêca de varáves aeatóras,..., têm desdades codcoas margas f( θ,..., f ( θ resectvamete. A dstrução a ror de θ,...,θ é costruída como segue. Dado uma artção ρ {,..., }, ara I, temos que θ θ[ r r ], ara todo r < r, r,...,, e que θ [ ],..., θ[ ] são deedetes etre s e de, com θ [] tedo dstrução a ror π [ ] ( θ, θ Θ[ ], ode Θ [] é o esaço aramétrco corresodete ao arâmetro comum, ou sea, θ [ ] θ +... θ, que dexa a desdade codcoa de []. Etão, segudo Barry e Hartga ( 992 ós defmos o modeo artção roduto ara coesões a ror de Yao como segue: 76

3 dado, a dstrução a ror de ρ é a segute dstrução roduto: P ( ρ {,,..., } ( [2.2] ara toda artção,..., }, satsfazedo < <... < f ( P [2.5] {, 2,..., ρ {,..., } f ( ( ( [ ] ( [ ] f[ ] ( [ ] θ π [ ] ( θ dθ é chamada de fator dado. Θ α + β α β. codcoamete em ρ {,..., } e, a seqüêca,..., são deedetes de e tem a desdade couta dada or: ode f [ ] Barry e Hartga (992 tamém mostram que a eseraça a osteror ( ou estmatva roduto ara θ k, k,...,, é dada or: s,..., r *[ ] E( θ ' s [ ], s,...,, α + + β + β + α ( ρ {,..., },...,. f ( ( ( [2.3] E( θ [2.4] k ode r P([ ] ρ,..., deota a reevâca a osteror ara o oco []. *[ ] Vamos assumr que tem dstrução a osteror Beta com arâmetros α e β. Como coseqüêca dessa cosderação, segue que as dstruções a osteror de ρ e B, são resectvamete dadas or: P [2.6] ( B,..., α + β α + + β. α β + β + α ( ( f ( A dstrução a osteror ara é dada or: [2.7] π + α 2 + β (,..., f ( ( ode a soma é sore todas as artções de {,..., } em ocos com otos fas em,,..., satsfazedo a codção < <... <. 3. Estmatvas roduto ara a taxa de crmadade θ 77

4 Assuma que, dados a taxa de crmadade em cada mês, θ,...,θ, o úmero de crmes em cada mês,,...,, são deedetes e tas que k θ k, ~ Posso(θ k, ara k,...,. Assuma tamém que, a ror, o arâmetro comum θ [] que dexa a dstrução das oservações do oco [], tem dstrução gama com arâmetros α> e β>, deotada or θ [] ~ Gama(α,β, com fução desdade dada or: α β α f(θ [] α,β.( θ[ ] ex( βθ[ ]. α Como coseqüêca temos que a dstrução redtva a ror de [] é a segute: f( [] k +! k α k Γ + ( α* β α β * k β* ode β* β + α* α +, k k + ara todo,...,- e +,...,, e que, dado [], a dstrução codcoa de θ [] é a dstrução gama com arâmetro β* e α*, sto é, θ [] [] ~ Gama(α*,β*. Coseqüetemete, as estmatvas a osteror ou estmatvas roduto ara a taxa de crmadade o mês k, θ k, ara todo k,..., são dadas or : ˆ θ k k α * E( θ k,..., r *([ ]. β * [3.] k 4. Métodos Comutacoas Como descrto em Losch (998 e Losch e Cruz (23 a dstrução a osteror de ρ e, cosequetemete, a dstrução a osteror de, B e θ são facmete otdas evado em cota a segute trasformação sugerda or Barry e Hartga (993. Cosdere a quatdade aeatóra auxar U, de forma que U, se θ θ + e U, se θ θ + ara,..., -. Note que a artção aeatóra ρ é medatamete detfcada ao cosderarmos vetores U ( U,..., U dessas quatdades aeatóras. s s Cada artção ( U,..., U, s, é gerada usado o amostrador de Gs como segue. s Icado do vaor ca ( U,..., U, o r-ésmo eemeto o asso s, U r, é gerado cosderado a segute razão: 2 + f[ xy] ( [ xy] ( dπ ( Rr, f[ xr] ( [ xr] f[ ry] ( [ ry] ( dπ ( [4.] 78

5 ara r,..., -, e x e y como defdo em Losch, Cruz, Igesas e Areao Vae (23. Etão, cada amostra da dstrução a osteror de é gerada da dstrução segute: s s,..., ~ ( π (, s ara s, ode s é o úmero de ocos o s-ésmo vetor U e é otdo otado-se que o úmero de ocos em ρ é dado or: B + ( U Cosequetemete, a dstrução a osteror de B ( ou da úmero de otos de mudaça B- é estmada or: P ( B,..., T s s { B T }, ode T é umero tota de vetores U cosderados ara a aáse, { B } deota a fução dcadora de B. O somatóro resete o umerador rereseta o tota de vetores U que estão dcado a formação de ocos. Losch, Cruz, Igesas e Areao-Vae (23 otém as estmatvas roduto comutado a reevâca a osteror do oco [ ],,,...,, <, como segue: [4.2] M r * [ ] T, ode M é o úmero de vetores U ara os quas é oservado que U, U... U, e U Acação Acaremos o MPP aos dados referetes ao úmero de crmes voetos otfcados mês a mês o eríodo de aero de 998 a setemro de 2 as 5ª, 6ª e 27ª Ca s da Poíca Mtar da cdade de Beo Horzote. A 5ª Ca é resosáve eo regstro dos crmes cometdos os Barros Sato Agostho e Barro Preto regão comerca róxma ao cetro da cdade, o cetro da cdade tem os crmes regstrados ea 6ª Ca, a 27ª Ca é resosáve eo regstro dos crmes cometdos em agus dos arros ores da cdade (Magaeras, Cruzero, etc.. Para estmar as reevâcas a osteror r* [], as dstruções a osteror de ρ, B e, foram geradas 46 amostras de vaores - com a dmesão da sére (45, começado de uma seqüêca de zeros. As rmeras terações foram descartadas ara ur- e um ag de um fo seecoado. Assummos que a dstrução a ror ara (roadade de ocorrer uma mudaça em um state quaquer é uma dstrução Beta com arâmetros α,5 e β28,5. Essa dstrução refete que, a ror, achamos que a roadade de ocorrer uma mudaça em um state quaquer é equea ( méda,5 e moda,78 e temos uma grade certeza sore sso 79

6 (varâca,5. Coseqüetemete, estamos assumdo que, a ror, o úmero eserado de ocos é 3,2 e a varâca é 4,989. Isso sgfca dzer que, a ror, se cosderarmos a fução de erda quadrátca, estmamos que o úmero de ocos é equeo (em toro de 3 e coseqüetemete o úmero de otos de mudaça eserado a sére é dos. Tamém estamos assumdo que é mas rováve que ehuma mudaça sea oservada (moda de B é. Assumremos que, dado a taxa de crmadade θ, o úmero de crmes cometdos estas regões ossuem uma dstrução de Posso e que θ ossu uma dstrução Gama com arâmetros α, e β,. Pode-se otar da Taea 5. e da Fgura 5. que esta dstrução é ouco formatva a reseto da taxa de crmadade em cada regão, uma vez que a varâca da dstrução é muto grade. Cosderado a fução de erda quadrátca (Berardo e Smth, 994, a estmatva a ror ara a taxa de crmadade em cada regão é crmes or mês. Taea 5. Dstrução a ror da taxa de crmadade e suas resectvas estatístcas descrtvas. Dstrução de θ E(θ Var(θ Moda(θ Gama(, ;, Fgura 5. Fução de desdade da dstrução a ror da taxa de crmadade 72

7 28 crmes or mês, o eríodo de março a agosto de 99 esta taxa é de aroxmadamete 35 crmes or mês e o eríodo de ovemro de 99 a uho de 2 a taxa é de aroxmadamete 45 crmes or mês. Mudaças mortates a taxa odem ser oservadas em feverero e agosto de 99, uho, outuro e dezemro de 2 e março e ar de 2. A artr de dezemro de 2 a taxa de crmadade começa a dmur. Aós dezemro de 2 a maor taxa é oservada em ar de 2. Para os dados da 6ª Ca, as estmatvas roduto ara a taxa de crmadade aresetam comortameto crescete o eríodo de aero de 998 a setemro de 2, atgdo seu máxmo em uho de 2. Pode-se erceer que a taxa de crmadade areseta mutas mudaças em seu comortameto ao ogo do temo e ão areseta ehum eríodo com taxa costate. Mudaças mortates a taxa odem ser oservadas em feverero, uho, agosto e setemro de 99, aero, março, agosto e setemro de 2 e aero, mao, uho e uho de 2. As estmatvas roduto ara θ a 27ª Ca aresetam comortameto crescete o eríodo de ovemro de 999 a setemro de 2, atgdo seu máxmo este útmo mês. Nos eríodos de aero a ar de 98 e uho a ovemro de 99, a taxa de crmadade areseta crescmeto meos acetuado, sedo que, o eríodo de aero a ar de 98 a taxa é de aroxmadamete 35 crmes or mês, o eríodo de uho a ovemro de 99 esta taxa é de aroxmadamete 33 crmes or mês. Mudaças mortates a taxa odem ser oservadas em outuro e dezemro de 98, ovemro de 99, ovemro de 2 e ar e agosto de 2. De aero de 98 a ovemro de 99 a taxa de crmadade tem um co em ovemro e dezemro de 98 com vaores em toro de 55 crmes or mês. Fgura 5.2 Estmatvas roduto ara a taxa de crmadade em cada regão 5ª Ca 6ª Ca Gama(, ;, Gama(, ;, 7 dados estmatvas dados estmatvas Taxa 4 3 Taxa 5 2 Temo out/98 ago/99 u/ ar/ Date/Tme out/98 ago/99 u/ ar/ 27ª Ca Gama(, ;, Comaração etre as três regões 9 8 dados estmatvas 2 5ª Ca 6ª Ca 27ª Ca 7 Taxa Temo out/98 ago/99 u/ ar/ out/98 a g o / 9 9 u / a r / 72

8 Note tamém da Fgura 5.2 que, ao comararmos o comortameto das estmatvas da taxa de crmadade as três regões, erceemos que a regão com maor taxa de crmadade fo o cetro (6ª Ca, segudo ea regão ore (27ª Ca e famete a regão comerca (5ª Ca. Fgura 5.3 Dstruções a osteror ara o úmero de Bocos,5 5ª Ca 6ª Ca,,4 roadade,3,2 roadade,5,,, º de ocos º de ocos 45 27ª Ca roadade,7,6,5,4,3,2,, º de ocos Percea da Fgura 5.3 que as dstruções a osteror ara o úmero de ocos (ou úmero de otos de mudaça B- as três regões são umodas e tedem a serem assmétrcas. Para a 5ª Ca oserva-se que esta dstrução cocetra maor massa etre 4 e 7 ocos, sedo que a moda é 6 ocos e ocorre com roadade 45,8%. Para a 6ª Ca ercee-se que a dstrução de B cocetra ratcamete toda sua massa 45 ocos, o que ocorre com roadade 99,98%. A dstrução a osteror de B ara dados da 27ª Ca cocetra maor massa etre 2 e 23 ocos, sedo que o vaor moda é 22 ocos e ocorre com roadade 64,2%. Comarado as dstruções a osteror de B as três regões, cofrmamos o que fo dto a aáse das estmatvas de θ, ou sea, o cetro da cdade é a regão que areseta maor mudaças a taxa, segudo ea regão ore e deos da regão comerca. Reare que o cetro da cdade areseta 45 ocos com roadade ratcamete, ou sea a taxa sofreu mudaças em todos os meses da sére. Isto tamém ode ser oservado da Taea 5.2 a segur. Note que cosderado a fução de erda quadrátca, a ror, eserávamos que exstssem 2,2 otos de mudaça. A osteror as estmatvas ara o úmero de mudaças foram em maores as três regões - 4,59, 43,99 e 2,5 ara as 5ª, 6ª e 27ª Cas, resectvamete. 722

9 Taea 5.2 Estatístcas descrtvas das dstruções a ror e a osteror de B. Regão Dstrução a ror de B Dstrução a osteror de B Méda Moda Var Méda Moda Var Med Q Q3 5ª Ca 3,2 4,989 5,59 6, ª Ca 3,2 4,989 44, ª Ca 3,2 4,989 22,5 22, A Taea 5.3 areseta a artção mas rováve a osteror com a sua roadade de ocorrêca a ror e a osteror ara cada uma das regões. Taea 5.3 Proadades a ror e a osteror de ρ. Regão Partção ro. ror ro. osteror 5ª Ca {,4,9,4,8,22,25,28,3,33,35,36,39,42,45} ª Ca {,,2,3,4,5,6,7,8,9,,,2,3,4,5, 6,7,8,9,2,2,22,23,24,25,26,27, 28,29,3,3,32,33,34,35,36,37,38,39, 3. -2, ,4,42,43,44,45} 27ª Ca {,4,7,,2,5,7,2,23,25,26,28, 3,33,35,36,37,38,4,4,43,44,45} 2. -8,333 Percee-se que as roadade a ror são em equeas, os a dstrução a ror de ρ deede aeas do tamaho da sére e do úmero de ocos a artção e a dstrução a ror de B õe maor massa em vaores axos de, dcado que artções com mutos ocos são ouco rováves. A roadade a osteror da artção mas rováve ara a 5 a Ca é tamém equea, mas ão tato quato a roadade a ror. Já as roadades a osteror das outras duas artções são em maores. A artção mas rováve a osteror revea que a taxa de crmadade a regão comerca (5ª Ca sofreu mudaças em ar e setemro de 98, feverero, uho e outuro de 99, aero, ar, uho, setemro, ovemro e dezemro de 2, março e uho de 2 com roadade 2%; que a taxa de crmadade o cetro da cdade (6ª Ca sofreu mudaças em todos os meses da sére com roadade 99%; e que a taxa de crmadade a regão ore (27ª Ca sofre mudaças em ar, uho, outuro e dezemro de 98, março, mao, setemro e ovemro de 99, aero, feverero, ar, uho, setemro, ovemro e dezemro de 2, aero, feverero, ar, mao, uho e agosto de 2 com roadade %. Percea da Fgura 5.4 que tato a dstrução a ror como as dstrução a osteror de das três regões são umodas e assmétrcas. No etato, a dstrução a ror cocetra maor massa em vaores meores que as dstruções a osteror. Da Taea.3, ota-se que, cosderado a fução de erda quadrátca, a estmatva a ror ara é,5. A osteror este vaor é,2 ara a regão comerca (5ª Ca;,6 ara o cetro (6ª Ca; e,3 ara a regão ore (27ª Ca. Ou sea, roadade de ocorrer uma mudaça em um state quaquer é maor do que eserávamos as três regões e, aém dsso, essa roadade é maor o cetro, segudo da regão ore e deos ea regão comerca. Aém dsso, oservamos que há maor certeza sore a osteror as três regões os as varâca das dstruções a osteror são,2,3 e,3 ara a regão comerca, o cetro e a regão ore, resectvamete. Taea 5.4 Estatístcas descrtvas das dstruções a ror e a osteror de 723

10 Regão Dstrução a ror de Dstrução a osteror de Méda Moda Var Méda Moda Var Med Q Q3 5ª Ca,5,7,,2,24,2,2,8,24 6ª Ca,5,7,,6,6,3,6,57,65 27ª Ca,5,7,,3,28,3,3,26,34 Fgura 5.4 Dstruções a ror e a osteror ara 5ª Ca 6ª Ca Gama(, ;, Gama(, ;, 5 5 ror ror desdade 5 osteror desdade 5 osteror,,,2,3,4,5,6 27ª Ca,,,2,3,4,5,6,7,8 Gama(, ;, 5 ror desdade 5 osteror,,,2,3,4,5,6 Cocusões O modeo artção roduto (Barry e Hartga, 992 ara coesões de Yao fo defdo a acado ara a detfcação de mútos otos de mudaça a taxa de crmadade de agumas regões de Beo Horzote-MG. Extesões do modeo artção roduto (Losch e Cruz, 23 e agus métodos comutacoas (Losch et a., 999, Losch, Cruz, Igesas ad Areao-Vae, 23 roostos a teratura foram cosderados. Vmos que a taxa de crmadade as regões aasadas areseta, em gera, tedêca ao crescmeto. Como era revsto, a regão cetra areseta maor taxa de crmadade. Tamém oservamos que, ara todas as regões, a taxa de crmadade areseta mudaças ao ogo do temo e vmos que esta taxa areseta meos mudaças a regão comerca róxma ao ceto. Cocuímos que o modeo artção roduto aresetou om desemeho ara a aáse de otos de mudaça em dados de crmadade. 724

11 Agradecmetos: R.H.Losch recee aoo facero da PRPq-UFMG (fudos UFMG/RTR/PRPq/FUNDO/98 e 48-UFMG/ RTR/ FUNDO/ PRPq/ RECEM- DOUTORES/.F.R.B. da Cruz, agradece à FAPEMIG, CNPq e PRPq-UFMG eo aoo facero à sua esqusa. Os dados foram ceddos ea Poíca Mtar do Estado de Mas Geras através do CRISP UFMG. Referêcas Bográfcas BARRY, D., AND HARTIGAN, J. A. Product artto modes for chage ot roems. The Aas of Statstcs 2, (992, BARRY, D., AND HARTIGAN, J. A. A Bayesa aayss for chage ot roem. Joura of the Amerca Statstca Assocato 88, 42 (993, BERNARDO, J.M. AND SMITH, A. F. M. Bayesa Theory. Joh Wey e Sos, New York, U.S.A CROWLEY, E. M. Product artto modes for orma meas. Joura of the Amerca Satstca Assocato ( GAMERMAN, D. Markov Cha Mote Caro: Sthocastc Smuato for Bayesa Iferece. Chama & Ha, Lodo, U.K., 997. LOSCHI, R. H. Imrevstos e suas Coseqüêcas. Tese de Doutorado, Deartameto de Estatístca, Isttuto de Matemátca e Estatístca, Uversdade de São Pauo, São Pauo, Braz, 998. LOSCHI, R. H., AND CRUZ, F. R. B. A aayss of the fuece of some ror secfcatos the detfcato of chage ots va roduct artto mode. Comutatoa Statstcs & Data Aayss 39, 4 ( 22, LOSCHI, R. H., CRUZ, F.R.B., IGLESIAS, P. L., AND ARELLANO VALLE, R. B. A Gs samg scheme to the roduct artto mode: A acato to chage ot roems. Comuters ad Oeratos Research 3, 3 (23, LOSCHI, R. H., AND CRUZ, F. R. B. Exteso to the roduct artto mode: Comutg the roaty of a chage.(23 (sumetdo ara ucação. O HAGAN, A. Bayesa Iferece. Keda's Advaced Theory of Statstcs 2A. Joh Wey esos, New York, USA, 994. QUINTANA, F. A. AND IGLESIAS, P.L. Noaametrc Bayesa custerg ad roduct artto mode. Joura of the Roya Statstca Socety B. 23. (a ser ucado. YAO, Y. estmato of a osy dscrete-tme ste fucto:bayes ad emrca Bayes aroaches. The Aas of Statstcs 2, 4(984,

AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON

AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON Flávio Bambirra Goçalves, e Frederico R. B. da Cruz Deartameto de Estatística ICEx - Uiversidade Federal de Mias

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE

AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE versão imressa ISSN -7438 / versão online ISSN 678-542 AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

Determinação dos fatores associados à sobrevida de mulheres com câncer de mama via modelos de longa duração Weibull Modificado

Determinação dos fatores associados à sobrevida de mulheres com câncer de mama via modelos de longa duração Weibull Modificado Determação dos fatores assoados à sobrevda de muheres om âer de mama va modeos de oga duração Webu Modfado. Itrodução Ceyto Zaardo de Overa CER, DEs, UFCar 3 Gerso Hrosh Yoshar Júor FMRP/UP 2 4 Ge da va

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS.

UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS. A pequa Operacoa e o Recuro Reováve 4 a 7 de ovemro de 3 Nata-RN UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS. Vícu Dz Mayrk Departameto

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS A esusa Oeracoal e os Recursos Reováves 4 a 7 de ovembro de 3, atal-r MÉODO DUAL SIMPLEX COM A REGRA SEEPES-EDGE PARA RESOLVER PROLEMAS LIEARES CAALIZADOS Rcardo Slvera Sousa Marcos ereu Areales Deartameto

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA

ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA Almir MANTOVANI Maria Aarecida de Paiva FRANCO 2 RESUMO: O objetivo

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

2.1 Calibração. 2.2 Identificação e Rastreamento

2.1 Calibração. 2.2 Identificação e Rastreamento CONSTRUINDO ROBÔS AUTÔNOMOS PARA PARTIDAS DE FUTEBOL: O TIME GUARANÁ Aa Helea Real Costa LTI-PCS-EPUSP Av. Prof. Lucao Gualerto, 158 Travessa3 CEP 05508-900 São Paulo SP Reê Pegoraro DCo-UNESP Rua Luz

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

Curso Online Sistema Financeiro do Mercado de Capitais Banco de Desenvolvimento do Estado de Minas Gerais Teoria e Exercícios Prof.

Curso Online Sistema Financeiro do Mercado de Capitais Banco de Desenvolvimento do Estado de Minas Gerais Teoria e Exercícios Prof. Baco de Desevolvmeto do stado de Mas Geras Olá essoal! Prmeramete re fazer uma breve aresetação. Meu ome é César de Olvera Frade, sou fucoáro de carrera do Baco Cetral do Brasl arovado o cocurso de 997.

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Sistemas de Filas Simples

Sistemas de Filas Simples Sistemas de Filas Simles Teoria de Filas Processo de chegada: se os usuários de uma fila chegam os istates t, t, t 3,..., t, as variáveis aleatórias τ t - t - são chamadas de itervalos etre chegadas. As

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

A desigualdade de Kraft e correlatos

A desigualdade de Kraft e correlatos A desguadade de Kraft e correatos Defções remares Códgo ão sguar: símboos dferetes s são reresetados or códgos dferetes c ; Códgo uvocamete decodfcáve: se símboos cocateados (s s s 3... s k) são reresetados

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Técnicas Não Paramétricas

Técnicas Não Paramétricas Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais Relatóro Fal da Comaração Iterlaboratoral ara Aálse de Relatóro Tesões Prelmar Resduas da Comaração Iterlaboratoral ara Aálse de Tesões Resduas COMPARAÇÃO INTERLABORATORIAL PARA ANÁLISE DE TENSÕES RESIDUAIS

Leia mais

5 Aplicação do GFMM no BEM

5 Aplicação do GFMM no BEM 38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Contributos para uma Boa Apresentação

Contributos para uma Boa Apresentação Cotributos ara uma Boa Aresetação Luis M. Correia Istituto de Telecomuicações / Istituto Suerior Técico Uiversidade Técica de Lisboa, Portugal (00/06/, revisto em 00/0/6) Sumário Pricíios básicos. Estrutura.

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Avaliação da Confiabilidade de Itens com Testes Destrutivos - Aplicação da Estimação da Proporção em uma População Finita Amostrada sem Reposição

Avaliação da Confiabilidade de Itens com Testes Destrutivos - Aplicação da Estimação da Proporção em uma População Finita Amostrada sem Reposição Avaliação da Cofiabilidade de Ites com Testes Destrutivos - Alicação da Estimação da roorção em uma oulação Fiita Amostrada sem Reosição F. A. A. Coelho e Y.. Tavares Diretoria de Sistemas de Armas da

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 9. ANÁISE DE AGUPAENTOS (CUSTER) 9. INTRODUÇÃO A Aálse e Agruametos é uma técca stta os étoos e Classfcação (Aálse Dscrmate, Regressão ogístca). Na Classfcação temos um úmero e gruos cohecos, e o objetvo

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Capitulo 2 Resolução de Exercícios

Capitulo 2 Resolução de Exercícios FORMULÁRIO Regime de Juros Simples S C J S 1 C i J Ci S C (1 i) S 1 C i Juro exato C i 365 S C 1 i C i 360 Juro Comercial 2.7 Exercícios Propostos 1 1) Qual o motate de uma aplicação de R$ 100.000,00 aplicados

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

DISSERTAÇÃO DE MESTRADO

DISSERTAÇÃO DE MESTRADO UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXTAS E DA TERRA-CCET PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA - PPGMAE DISSERTAÇÃO DE MESTRADO CARACTERIZAÇÃO ESTATÍSTICA

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Juros Simples e Compostos

Juros Simples e Compostos Juros Simples e Compostos 1. (G1 - epcar (Cpcar) 2013) Gabriel aplicou R$ 6500,00 a juros simples em dois bacos. No baco A, ele aplicou uma parte a 3% ao mês durate 5 6 de um ao; o baco B, aplicou o restate

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi ISSN 1984-7203 Projeção Populacoal 2013-2020 para a Cdade do Ro de Jaero: uma aplcação do método AB Nº 20130102 Jaero - 2013 Iva Braga Ls 1, Marcelo Pessoa da Slva, Atoo Carlos Carero da Slva, Sérgo Gumarães

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais